博观而约取，厚积而薄发

各位同学好，今天和大家分享一下如何使用Opencv完成停车场的车位检测，及空余车位计数，先放张图看效果。红框代表该车位有车，绿框代表该车位空余，左上角记录有几个空余车位，黄色数字代表该车位内的像素个数，用于判断车位上是否有车。 从图中可以看到，由于视频拍摄角度的问题，车位不是横平竖直的，并且车位在屏幕上的大小和角度也是不相同的。需要用到旋转矩形的操作，并调整单个矩形框使其能够用于所有车位。1. 处理旋转矩形首先，由于车位是矩形框经过一定角度旋转之后得到的，因此在先定义一个处理旋转..

1. 光流估计1.1 方法介绍光流：空间运动物体在观测成像平面上的像素运动的瞬时速度。根据各个像素点的速度矢量特征，可以对图像进行动态分析，例如目标跟踪。如果下面这辆车正向我们缓缓开来，右图是车辆的光流，它代表车辆在行驶过程中，每一帧图像的瞬时速度和方向。箭头的大小表示移动的瞬时速度，箭头的方向代表前进的目标方向。可以获取车辆每一帧的位置，对它进行跟踪。相关定理：（1）亮度恒定：同一点随着时间的变化，其亮度不发生变化。帧和帧之间的变化很快，亮度基本不变。（2）小运动：...

各位同学好，今天和大家分享一下opencv背景建模相关操作。主要介绍两种背景建模方法，帧差法和混合高斯模型。案例简介：现有一份路口摄像机拍摄的行人流视频，通过背景建模方法，区分背景和前景，完成行人识别。数据集链接：https://pan.baidu.com/s/1xPg1nQ0Ic_P-mGvdFD0t2w 提取码：12341. 方法介绍背景建模需要满足一定条件，保证摄像机拍摄位置不变，保证背景是基本不发生变化的。如路口的监控摄像机，只有车流人流等前景部分能发生移动，而马路树木等背景不..

1. 角点检测角点：角点是图像里在各个方向变化最大的区域。无论是沿水平方向或竖直方向移动过程中，整个图像的灰度级发生迅速变化。边界：沿水平或者竖直方向移动，一个比较平稳一个比较迅速。角点检测函数cv2.cornerHarris(src, blockSize, ksize, k, borderType=None)src：数据类型为float32的输入图像blockSize：角点检测中指定窗口的大小ksize：Sobel算子求导中使用的核大小，一般等于3k：取值参数，取值范围

各位同学大家好，今天我和大家分享一下opencv机器视觉实战项目，识别银行卡上的数字，该方法也同样适用于车牌数字识别。案例简介：现在有5张银行卡，1张数字模版。先对数字模板上的每个数字进行识别，再对银行卡的进行形态学处理，找出银行卡数字组合所在位置，取出每个数字组合的每一个数字，.

图像处理一般分为空间域处理和频率域处理。空间域处理是直接对图像内的像素进行处理。主要划分为灰度变换核空间滤波两种形式，灰度变换对图像内的单个像素进行处理，滤波处理涉及对图像质量的改变。频率域处理是先将图像变换到频率域，然后在频率域对图像进行处理，最后通过反变换将图像变为空间域。傅里叶变换可以将图像变换为频率域， 傅立叶反变换将频率域变换为空间域。傅里叶变换的详细可看一下知乎大佬的解释：https://zhuanlan.zhihu.com/p/19763358在图像中，高频是指变化剧烈

各位同学好，今天和大家分享一下opencv中图像匹配方法，和图像均衡化方法（1）模板匹配：cv2.matchTemplate()；（2）图像直方图：cv2.calcHist()；（3）图像均衡化：cv2.equalizeHist()；（4）自适应均衡化：cv2.createCLAHE()1. 模板匹配模板匹配和卷积的原理很像，模板在原图像上从原点开始滑动(从左到右, 从上到下)，计算模板与（图像被模板覆盖的地方）的差别程度，在opencv中计算差别程度有6种计算方法。然后将每次计算结果放...

各位同学好，今天和大家分享一下opencv中如何获取图像轮廓，以及对轮廓的一些其他操作。内容有：（1）轮廓检测：cv2.findContours()；（2）轮廓绘制：cv2.drawContours()；（3）轮廓近似：cv2.approxPolyDP()；（4）面积计算：cv2.contourArea()；（5）周长计算：cv2.arcLength()；（6）外接矩形：cv2.rectangle()；（7）外接圆：cv2.circle()在开始前，先导入需要用到的库文件以及图像数据，定义一个图像显

各位同学好，今天和大家分享一下图像边缘检测的几个算子，主要内容有：（1）sobel算子：cv2.Sobel()；（2）scharr算子：cv2.Scharr()；（3）laplacian算子：cv2.Laplacian()；（4）canny算子：cv2.Canny()在开始前，我们先导入需要的库文件和图片，再定义一个图像显示函数，方便绘图。import numpy as npimport cv2# 获取图片所在文件夹filepath = 'C:\\Users\\admin\\.spyde

各位同学好，今天和大家分享一下图像的形态学处理方法。内容有：膨胀腐蚀、开运算和闭运算、梯度运算、礼帽和黑帽（1）腐蚀：cv2.erode()；（2）膨胀：cv2.dilate()；（3）形态学函数：cv2.morphologyEx()；那我们开始吧。我们先导入接下来操作需要的库文件和图像数据import cv2import numpy as np# 指定图片所在文件夹filepath = 'C:\\...\\img\\changed'# 获取文件夹中的某张图img = cv2

内容有： 均值滤波cv2.blur()，方框滤波cv2.boxFilter()，高斯滤波cv2.GaussianBlur()，中值滤波 cv2.medianBlur()滤波可理解为，平均卷积操作。对于图像上存在的噪声点，通过滤波平滑处理操作，可以去除噪声点。在开始前我们先导入需要用的库文件，获取需要用到的图片。import cv2# 指定图像所在文件夹位置filepath = 'C:\\Users\\admin\\.spyder-py3\\test\\opencv\\img'# 获取文...

主要内容有：边界填充 cv2.copyMakeBorder()，数值计算cv2.add()，改变尺寸cv2.resize()，图像融合cv2.addWeighted()，图像阈值cv2.threshold()在开始之前，我们先导入图像，img中存放我们需要用到的图像。并定义一个图像显示函数，便于接下来画图。# 导入opencv库import cv2# 定义图像显示函数def cv_show(name,img): # 传入(自定义窗口名,图像数据) cv2.imshow...

主要内容有：图像及视频的读取和保存、图像显示、转换灰度图、图像截取、颜色通道提取和组合那我们开始吧。1. 图像操作首先我们导入opencv库，彩色图像一般都是由RGB(红绿蓝)三颜色通道构成，灰度图只有一个颜色通道即暗亮度。在opencv中，图像的读取格式是BGR；在matplot中，图像保存格式是RGB。用opencv的绘图方法和matplot的绘图方法展现出来的图可能会有颜色上的出入，这需要注意一下。import cv2 # 导入opencv，读取的格式是BGR1.1 图像读取和